1 Los Datos

glimpse(data)
## Rows: 4,735,519
## Columns: 9
## $ Años                <chr> "1997-2000", "1997-2000", "1997-2000", "1997-2000"…
## $ Provincia           <chr> "Buenos Aires", "Buenos Aires", "Buenos Aires", "B…
## $ Departamento        <chr> "25 de Mayo", "25 de Mayo", "25 de Mayo", "25 de M…
## $ Sexo                <chr> "Varón", "Varón", "Varón", "Varón", "Varón", "Varó…
## $ Edad                <chr> "0 a 6 días", "0 a 6 días", "0 a 6 días", "0 a 6 d…
## $ Causa.de.muerte     <chr> "P071", "P209", "P291", "P369", "P551", "Q000", "Q…
## $ Total               <int> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,…
## $ Lugar.de.ocurrencia <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA…
## $ Cobertura.médica    <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA…

Este conjunto de datos se transforma segun el diseño y los objetivos de analisis.

1.1 Seleccion de trienios

unique(data2$Años)
## [1] "2001-2004" "2005-2007" "2008-2010" "2011-2013" "2014-2016" "2017-2019"
## [7] "2020-2022"

1.2 Residencia

Existen casos donde la Provincia es “Lugar no especificado” y “Otro país”. En cuanto al Departamento puede ser “DESCONOCIDO” o NA

unique(data3$Provincia)
##  [1] "Buenos Aires"                "Catamarca"                  
##  [3] "Chaco"                       "Chubut"                     
##  [5] "Ciudad Aut. de Buenos Aires" "Corrientes"                 
##  [7] "Córdoba"                     "Entre Ríos"                 
##  [9] "Formosa"                     "Jujuy"                      
## [11] "La Pampa"                    "La Rioja"                   
## [13] "Lugar no especificado"       "Mendoza"                    
## [15] "Misiones"                    "Neuquén"                    
## [17] "Río Negro"                   "Salta"                      
## [19] "San Juan"                    "San Luis"                   
## [21] "Santa Cruz"                  "Santa Fe"                   
## [23] "Santiago del Estero"         "Tierra del Fuego"           
## [25] "Tucumán"
Porcentaje de defunciones con Residencia DAME desconocida
Provincia 2001-2004 2005-2007 2008-2010 2011-2013 2014-2016 2017-2019 2020-2022
Buenos Aires 1.49% 1.40% 0.70% 1.71% 1.30% 1.08% 1.14%
Catamarca 1.03% 1.67% 0.60% 1.98% 2.99% 1.11% 0.67%
Chaco 1.10% 1.15% 0.98% 0.74% 0.88% 0.80% 0.52%
Chubut 1.55% 0.66% 1.34% 1.56% 1.34% 1.13% 1.09%
Ciudad Aut. de Buenos Aires 0.00% 0.00% 0.00% 0.00% 0.00% 0.00% 0.00%
Corrientes 1.09% 1.21% 1.16% 1.09% 1.15% 0.77% 0.48%
Córdoba 0.34% 0.35% 0.26% 0.23% 0.29% 0.22% 0.24%
Entre Ríos 1.13% 0.63% 0.68% 0.66% 0.68% 0.38% 0.45%
Formosa 1.53% 1.14% 1.05% 0.55% 0.83% 0.48% 0.65%
Jujuy 1.88% 0.80% 2.08% 2.33% 1.50% 1.21% 0.91%
La Pampa 1.76% 1.40% 1.68% 1.70% 2.92% 1.41% 1.43%
La Rioja 0.93% 0.79% 0.59% 0.83% 0.78% 1.40% 1.93%
Mendoza 0.30% 0.49% 0.44% 0.34% 0.29% 0.26% 0.25%
Misiones 1.16% 1.24% 1.00% 0.59% 0.61% 0.48% 0.47%
Neuquén 0.92% 0.87% 0.69% 0.86% 0.92% 1.46% 1.25%
Río Negro 1.95% 1.56% 1.93% 1.49% 1.51% 0.96% 1.18%
Salta 2.64% 0.79% 1.06% 0.38% 0.33% 0.77% 0.78%
San Juan 0.83% 0.69% 0.60% 0.62% 0.45% 0.37% 0.30%
San Luis 1.51% 1.61% 1.30% 1.76% 1.94% 1.35% 1.05%
Santa Cruz 3.70% 0.97% 2.60% 1.55% 2.17% 1.49% 1.90%
Santa Fe 0.56% 0.53% 0.50% 0.42% 0.36% 0.22% 0.23%
Santiago del Estero 2.20% 1.21% 1.11% 1.41% 2.41% 1.05% 1.02%
Tierra del Fuego 5.71% 3.62% 3.01% 3.63% 3.32% 3.04% 2.56%
Tucumán 1.23% 0.92% 1.86% 1.03% 0.67% 0.77% 0.76%

Resta definir qué hacer con los casos donde la residencia no se conoce. Se observa que son frecuencias que rondan el 1%, salvo en el caso de la CABA donde podia alcanzar el 10%.

Si estos se distribuyeran por un factor simple de proporcionalidad… debiera calcularse este factor segun todo el resto de variables.

1.3 La edad

tres grupos de edad

unique(data7$Edad)
##  [1] "0 a 6 días"         "1 año"              "10 a 14 años"      
##  [4] "15 a 19 años"       "20 a 24 años"       "25 a 29 años"      
##  [7] "28 días a 11 meses" "3 años"             "30 a 34 años"      
## [10] "35 a 39 años"       "40 a 44 años"       "45 a 49 años"      
## [13] "5 a 9 años"         "50 a 54 años"       "55 a 59 años"      
## [16] "60 a 64 años"       "65 a 69 años"       "7 a 27 días"       
## [19] "70 a 74 años"       "75 a 79 años"       "80 a 84 años"      
## [22] "85 años y más"      "Sin especificar"    "2 años"            
## [25] "4 años"

Pasamos a solo tres grupos

unique(data8$gedad)
## [1] Menor de 24 25 a 69     70 y mas    <NA>       
## Levels: Menor de 24 25 a 69 70 y mas

1.4 El sexo

Al observar las categorias se puede notar que los registros con sexo desconocido son poco frecuentes, y existen casos “Desconocido” e “Indeterminado”

unique(data8$Sexo)
## [1] "Varón"         "Mujer"         "Desconocido"   "Indeterminado"
Defunciones totales segun Sexo por trienios
Sexo 2001-2004 2005-2007 2008-2010 2011-2013 2014-2016 2017-2019 2020-2022
Desconocido 920 577 1.120 1.117 696 2.357 5.929
Indeterminado 81 51 15 45 58 37 32
Mujer 541.495 424.595 439.450 462.622 488.964 495.027 581.637
Varón 630.006 475.219 483.513 500.240 520.417 521.787 621.942

Se tomarán ambos casos como NA

glimpse(data9)
## Rows: 4,279,763
## Columns: 11
## $ Años                <chr> "2001-2004", "2001-2004", "2001-2004", "2001-2004"…
## $ Provincia           <chr> "Buenos Aires", "Buenos Aires", "Buenos Aires", "B…
## $ Departamento        <chr> "25 de Mayo", "25 de Mayo", "25 de Mayo", "25 de M…
## $ Causa.de.muerte     <chr> "P021", "P071", "P285", "P369", "P809", "Q897", "Q…
## $ Total               <int> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,…
## $ Lugar.de.ocurrencia <chr> "Desconocido", "Desconocido", "ESTABLECIMIENTO DE …
## $ Cobertura.médica    <chr> "Desconocido", "Desconocido", "Desconocido", "Desc…
## $ geocodigo           <chr> "6854", "6854", "6854", "6854", "6854", "6854", "6…
## $ geocodigo_provincia <chr> "6", "6", "6", "6", "6", "6", "6", "6", "6", "6", …
## $ gedad               <fct> Menor de 24, Menor de 24, Menor de 24, Menor de 24…
## $ sexo                <chr> "Varón", "Varón", "Varón", "Varón", "Varón", "Varó…

1.5 La causa

En esta seccion se realiza una homogeneizacion del codigo de Causa de Muerte, y se clasifican de acuerdo a la Lista corta de la OMS.

glimpse(df_defunciones)
## Rows: 4,279,763
## Columns: 11
## $ Años                <chr> "2001-2004", "2001-2004", "2001-2004", "2001-2004"…
## $ Provincia           <chr> "Buenos Aires", "Buenos Aires", "Buenos Aires", "B…
## $ Departamento        <chr> "25 de Mayo", "25 de Mayo", "25 de Mayo", "25 de M…
## $ Lugar.de.ocurrencia <chr> "Desconocido", "Desconocido", "ESTABLECIMIENTO DE …
## $ Cobertura.médica    <chr> "Desconocido", "Desconocido", "Desconocido", "Desc…
## $ geocodigo           <chr> "6854", "6854", "6854", "6854", "6854", "6854", "6…
## $ geocodigo_provincia <chr> "6", "6", "6", "6", "6", "6", "6", "6", "6", "6", …
## $ gedad               <fct> Menor de 24, Menor de 24, Menor de 24, Menor de 24…
## $ sexo                <chr> "Varón", "Varón", "Varón", "Varón", "Varón", "Varó…
## $ CIE10               <chr> "P021", "P071", "P285", "P369", "P809", "Q897", "Q…
## $ Total               <int> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,…

Esta tabla contiene redundancias al conservar los codigos geograficos y los nombres de las jurisdicciones y departamentos, ya que se espera que contenga

el Total de defunciones segun causa por edad, sexo, residencia, lugar de ocurrencia y cobertura medica, en años agrupados.

De manera que podemos volver a agregar los datos, y evitar redundancias.

glimpse(df_defunciones)
## Rows: 2,723,936
## Columns: 11
## $ Años                <chr> "2001-2004", "2001-2004", "2001-2004", "2001-2004"…
## $ Provincia           <chr> "Buenos Aires", "Buenos Aires", "Buenos Aires", "B…
## $ Departamento        <chr> "25 de Mayo", "25 de Mayo", "25 de Mayo", "25 de M…
## $ Lugar.de.ocurrencia <chr> "Desconocido", "Desconocido", "Desconocido", "Desc…
## $ Cobertura.médica    <chr> "Desconocido", "Desconocido", "Desconocido", "Desc…
## $ geocodigo           <chr> "6854", "6854", "6854", "6854", "6854", "6854", "6…
## $ geocodigo_provincia <chr> "6", "6", "6", "6", "6", "6", "6", "6", "6", "6", …
## $ gedad               <fct> Menor de 24, Menor de 24, Menor de 24, Menor de 24…
## $ sexo                <chr> "Mujer", "Mujer", "Mujer", "Mujer", "Mujer", "Muje…
## $ CIE10               <chr> "A419", "C56", "C959", "G98", "J690", "K566", "P22…
## $ casos               <int> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 1, 1, 1,…

Con lo que se observa una gran reduccion en la cantidad de registros.

Para clasificar en una lista las causas.

Se agregan tres columnas a la tabla, indicando el grupo segun la lista de OMS.

glimpse(df_defunciones_oms)
## Rows: 2,723,936
## Columns: 13
## $ Años                <chr> "2001-2004", "2001-2004", "2001-2004", "2001-2004"…
## $ Provincia           <chr> "Buenos Aires", "Buenos Aires", "Buenos Aires", "B…
## $ Departamento        <chr> "25 de Mayo", "25 de Mayo", "25 de Mayo", "25 de M…
## $ Lugar.de.ocurrencia <chr> "Desconocido", "Desconocido", "Desconocido", "Desc…
## $ Cobertura.médica    <chr> "Desconocido", "Desconocido", "Desconocido", "Desc…
## $ geocodigo           <chr> "6854", "6854", "6854", "6854", "6854", "6854", "6…
## $ geocodigo_provincia <chr> "6", "6", "6", "6", "6", "6", "6", "6", "6", "6", …
## $ gedad               <fct> Menor de 24, Menor de 24, Menor de 24, Menor de 24…
## $ sexo                <chr> "Mujer", "Mujer", "Mujer", "Mujer", "Mujer", "Muje…
## $ CIE10               <chr> "A419", "C56", "C959", "G98", "J690", "K566", "P22…
## $ casos               <int> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 1, 1, 1,…
## $ grupo_oms           <chr> "Condiciones transmisibles, maternas, perinatales …
## $ grupo_oms2          <chr> "Enfermedades infecciosas y parasitarias", "Neopla…

2 La Distribucion por causas

Con esta tabla se puede observa el perfil epidemiologico de Argentina, a traves de los trienios, en el siglo XXI

Se observa que las ECNT representan un poco mas del 70% del total. Que incluso antes de la Pandemia, la proporcion de defunciones por Enfermedades transmisibles venia en aumento, aunque leve. Mientras las Lesiones o causas externas y las Mal definidas practicamente se mantuvieron constantes, con leve descenso en la primera.

Con esta clasificacion podemos observar la evolucion de las defunciones en grandes grupos, por provincias.

Ver tabla por provincias
Defunciones segun Grupo de Causas por provincias en trienios
Provincia grupo_oms 2001-2004 2005-2007 2008-2010 2011-2013 2014-2016 2017-2019 2020-2022
Ciudad Aut. de Buenos Aires Condiciones transmisibles, maternas, perinatales y nutricionales 18.655 18.801 12.639 13.292 17.301 17.696 31.338
Enfermedades mal definidas 4.484 930 1.271 1.022 1.633 3.467 3.859
Enfermedades no transmisibles 110.182 77.839 79.682 78.445 75.479 69.074 67.802
Lesiones 4.621 3.492 3.051 3.232 2.835 2.431 2.097
NA 63 NA NA NA 2 3 5
Buenos Aires Condiciones transmisibles, maternas, perinatales y nutricionales 55.924 45.212 49.082 52.211 61.800 69.027 137.496
Enfermedades mal definidas 29.066 26.438 34.242 35.711 23.436 15.963 15.172
Enfermedades no transmisibles 362.256 275.637 273.014 287.173 304.090 307.428 315.032
Lesiones 30.012 20.278 20.645 21.915 21.941 20.143 17.545
NA NA NA NA NA 3 12 8
Catamarca Condiciones transmisibles, maternas, perinatales y nutricionales 1.147 753 1.004 1.007 1.166 1.125 2.332
Enfermedades mal definidas 473 457 404 443 549 698 668
Enfermedades no transmisibles 5.516 4.151 4.713 4.787 5.154 5.382 5.769
Lesiones 530 396 402 495 525 566 451
NA NA NA NA NA 1 NA NA
Córdoba Condiciones transmisibles, maternas, perinatales y nutricionales 8.230 6.349 7.629 8.622 10.109 10.365 22.385
Enfermedades mal definidas 5.647 4.332 5.445 5.998 6.300 7.591 8.520
Enfermedades no transmisibles 81.514 63.030 62.935 65.092 67.401 67.925 71.488
Lesiones 5.837 4.629 4.340 4.373 4.348 4.090 3.990
NA NA NA NA 1 NA 7 1
Corrientes Condiciones transmisibles, maternas, perinatales y nutricionales 3.804 2.661 2.907 2.904 2.899 3.206 5.805
Enfermedades mal definidas 2.953 2.266 2.564 2.867 3.214 3.245 4.068
Enfermedades no transmisibles 15.727 11.630 12.273 12.637 13.814 14.067 14.504
Lesiones 1.800 1.333 1.454 1.617 1.563 1.526 1.255
NA NA NA NA NA 2 1 NA
Chaco Condiciones transmisibles, maternas, perinatales y nutricionales 4.526 3.149 3.537 3.273 3.730 4.169 8.494
Enfermedades mal definidas 2.437 2.057 2.709 2.858 2.968 3.132 3.962
Enfermedades no transmisibles 16.355 12.870 12.611 13.277 14.788 14.932 15.587
Lesiones 2.063 1.513 1.709 1.833 1.942 1.933 1.820
NA NA NA NA NA NA NA 3
Chubut Condiciones transmisibles, maternas, perinatales y nutricionales 1.387 1.130 1.132 1.362 1.844 1.481 3.467
Enfermedades mal definidas 551 439 503 163 237 712 1.398
Enfermedades no transmisibles 6.816 5.529 5.897 6.581 6.872 7.100 6.951
Lesiones 959 825 932 881 754 797 664
NA NA NA NA NA NA NA 2
Entre Ríos Condiciones transmisibles, maternas, perinatales y nutricionales 3.182 2.689 3.013 3.531 3.592 3.554 7.614
Enfermedades mal definidas 4.855 3.972 4.546 5.398 5.534 5.669 7.302
Enfermedades no transmisibles 26.582 19.871 19.291 19.030 20.367 20.669 20.478
Lesiones 2.119 1.772 1.826 1.792 1.696 1.630 1.348
NA 1 NA NA NA 1 1 3
Formosa Condiciones transmisibles, maternas, perinatales y nutricionales 2.170 1.494 1.817 2.002 2.020 2.130 3.932
Enfermedades mal definidas 713 567 483 439 533 595 669
Enfermedades no transmisibles 7.698 5.968 6.425 6.713 7.665 7.873 7.999
Lesiones 958 802 859 1.067 1.030 1.025 924
NA NA NA NA NA NA 1 2
Jujuy Condiciones transmisibles, maternas, perinatales y nutricionales 2.480 1.791 2.050 2.296 2.648 2.796 6.116
Enfermedades mal definidas 1.666 1.189 1.261 1.534 1.766 1.776 2.544
Enfermedades no transmisibles 8.213 6.501 6.999 7.141 6.973 7.697 7.974
Lesiones 1.536 1.198 1.233 1.396 1.292 1.254 1.123
NA NA NA NA NA NA 1 3
La Pampa Condiciones transmisibles, maternas, perinatales y nutricionales 830 771 1.040 1.032 1.092 1.174 2.128
Enfermedades mal definidas 332 284 310 160 298 549 494
Enfermedades no transmisibles 7.366 5.602 5.358 5.958 5.990 5.525 5.824
Lesiones 605 498 476 458 434 400 357
La Rioja Condiciones transmisibles, maternas, perinatales y nutricionales 1.216 938 1.087 1.231 1.204 1.083 2.849
Enfermedades mal definidas 536 565 611 685 751 589 1.400
Enfermedades no transmisibles 4.519 3.285 3.598 3.746 4.046 4.737 4.125
Lesiones 532 400 454 519 435 432 410
NA NA NA NA NA NA NA 2
Mendoza Condiciones transmisibles, maternas, perinatales y nutricionales 4.721 3.644 3.106 3.044 4.480 4.387 11.889
Enfermedades mal definidas 3.617 2.616 996 914 1.074 1.459 2.191
Enfermedades no transmisibles 33.559 26.591 30.062 32.045 33.123 34.060 34.652
Lesiones 3.867 2.839 2.961 2.879 2.781 2.721 2.330
NA NA NA NA NA 1 10 4
Misiones Condiciones transmisibles, maternas, perinatales y nutricionales 3.139 2.340 2.318 2.849 2.584 3.164 6.425
Enfermedades mal definidas 2.568 2.213 2.029 381 56 101 70
Enfermedades no transmisibles 13.425 10.769 12.089 14.081 16.558 16.459 18.106
Lesiones 1.923 1.679 1.695 1.907 1.800 1.841 1.566
NA NA NA NA NA NA 3 5
Neuquén Condiciones transmisibles, maternas, perinatales y nutricionales 982 757 859 986 1.062 961 3.799
Enfermedades mal definidas 239 142 169 168 181 243 354
Enfermedades no transmisibles 6.380 5.480 5.975 6.606 7.379 8.010 8.561
Lesiones 1.098 888 912 912 993 976 1.024
NA NA NA 1 NA NA NA 2
Río Negro Condiciones transmisibles, maternas, perinatales y nutricionales 1.352 893 1.057 1.177 1.257 1.647 4.922
Enfermedades mal definidas 1.196 1.064 1.186 1.492 1.478 1.570 1.495
Enfermedades no transmisibles 8.971 7.208 7.827 8.419 9.357 9.789 10.694
Lesiones 1.127 901 926 939 910 907 823
NA NA NA NA NA NA 4 NA
Salta Condiciones transmisibles, maternas, perinatales y nutricionales 5.549 3.566 4.046 3.966 4.392 4.665 8.284
Enfermedades mal definidas 1.884 1.357 978 734 321 971 1.373
Enfermedades no transmisibles 14.222 11.486 13.845 15.041 16.680 16.934 17.876
Lesiones 2.166 1.901 1.742 1.963 1.888 1.822 1.827
NA NA NA NA 1 4 2 2
San Juan Condiciones transmisibles, maternas, perinatales y nutricionales 3.151 2.371 2.308 2.403 2.915 2.638 4.796
Enfermedades mal definidas 323 203 162 182 315 508 756
Enfermedades no transmisibles 12.587 9.457 9.873 10.148 10.415 11.524 12.240
Lesiones 1.367 1.169 1.211 1.356 1.120 1.026 887
San Luis Condiciones transmisibles, maternas, perinatales y nutricionales 1.487 1.176 1.175 1.469 1.506 1.399 2.709
Enfermedades mal definidas 328 26 15 11 104 282 528
Enfermedades no transmisibles 7.120 5.932 6.277 6.610 7.171 7.584 8.354
Lesiones 738 590 627 636 673 671 628
NA 1 NA NA NA NA 1 NA
Santa Cruz Condiciones transmisibles, maternas, perinatales y nutricionales 442 474 613 612 690 669 1.762
Enfermedades mal definidas 124 117 232 314 300 166 44
Enfermedades no transmisibles 3.101 2.496 2.471 2.667 3.047 3.539 4.013
Lesiones 521 434 448 474 441 392 381
NA NA NA NA NA NA 1 NA
Santa Fe Condiciones transmisibles, maternas, perinatales y nutricionales 10.136 7.344 8.667 9.691 11.772 12.380 26.012
Enfermedades mal definidas 9.483 9.164 10.466 11.239 9.143 10.957 13.505
Enfermedades no transmisibles 81.818 61.980 60.083 59.937 63.564 60.150 60.644
Lesiones 7.711 6.152 6.070 6.538 6.610 5.678 5.340
NA NA NA NA NA NA 3 6
Santiago del Estero Condiciones transmisibles, maternas, perinatales y nutricionales 2.740 2.393 2.782 2.552 2.612 2.768 5.595
Enfermedades mal definidas 3.093 2.497 2.588 2.721 3.372 3.680 3.907
Enfermedades no transmisibles 10.620 9.108 9.066 9.404 10.453 10.780 11.111
Lesiones 1.077 1.019 1.098 1.309 1.402 1.277 1.019
NA NA NA NA NA 1 2 NA
Tucumán Condiciones transmisibles, maternas, perinatales y nutricionales 4.920 3.745 4.113 5.087 6.438 7.091 14.032
Enfermedades mal definidas 6.192 3.549 3.420 1.497 1.133 1.009 1.321
Enfermedades no transmisibles 21.115 17.214 18.566 20.750 22.606 22.917 24.222
Lesiones 2.274 1.717 1.891 2.156 2.263 2.535 1.936
NA NA NA NA 1 1 2 8
Tierra del Fuego Condiciones transmisibles, maternas, perinatales y nutricionales 127 156 131 191 222 211 817
Enfermedades mal definidas 63 45 35 43 39 41 95
Enfermedades no transmisibles 869 849 922 1.032 1.214 1.334 1.381
Lesiones 166 165 173 165 153 157 164
NA Condiciones transmisibles, maternas, perinatales y nutricionales 741 396 362 348 309 404 952
Enfermedades mal definidas 523 170 168 148 114 187 234
Enfermedades no transmisibles 3.138 1.271 1.374 1.258 1.142 1.488 1.778
Lesiones 771 446 469 371 449 597 531
NA 6 NA NA NA NA NA NA

En lugar de las frecuencias puede observarse la frecuencia relativa. Se ve que mientras en CABA las ECNT alcanzan el 74-80 % en Santiago del Estero representan el 58-61%.

Ver tabla por provincias
Distribucion relativa segun grupo de causas de las defunciones por provincias en trienios
Provincia grupo_oms 2005-2007 2008-2010 2011-2013 2014-2016 2017-2019 2020-2022
Ciudad Aut. de Buenos Aires Condiciones transmisibles, maternas, perinatales y nutricionales 18.6 13.1 13.8 17.8 19.1 29.8
Enfermedades mal definidas 0.9 1.3 1.1 1.7 3.7 3.7
Enfermedades no transmisibles 77.0 82.4 81.7 77.6 74.5 64.5
Lesiones 3.5 3.2 3.4 2.9 2.6 2.0
NA NA NA NA 0.0 0.0 0.0
Buenos Aires Condiciones transmisibles, maternas, perinatales y nutricionales 12.3 13.0 13.2 15.0 16.7 28.3
Enfermedades mal definidas 7.2 9.1 9.0 5.7 3.9 3.1
Enfermedades no transmisibles 75.0 72.4 72.3 73.9 74.5 64.9
Lesiones 5.5 5.5 5.5 5.3 4.9 3.6
NA NA NA NA 0.0 0.0 0.0
Catamarca Condiciones transmisibles, maternas, perinatales y nutricionales 13.1 15.4 15.0 15.8 14.5 25.3
Enfermedades mal definidas 7.9 6.2 6.6 7.4 9.0 7.2
Enfermedades no transmisibles 72.1 72.3 71.1 69.7 69.3 62.6
Lesiones 6.9 6.2 7.4 7.1 7.3 4.9
NA NA NA NA 0.0 NA NA
Córdoba Condiciones transmisibles, maternas, perinatales y nutricionales 8.1 9.5 10.3 11.5 11.5 21.0
Enfermedades mal definidas 5.5 6.8 7.1 7.1 8.4 8.0
Enfermedades no transmisibles 80.5 78.3 77.4 76.5 75.5 67.2
Lesiones 5.9 5.4 5.2 4.9 4.5 3.8
NA NA NA 0.0 NA 0.0 0.0
Corrientes Condiciones transmisibles, maternas, perinatales y nutricionales 14.9 15.1 14.5 13.5 14.5 22.6
Enfermedades mal definidas 12.7 13.4 14.3 15.0 14.7 15.9
Enfermedades no transmisibles 65.0 63.9 63.1 64.3 63.8 56.6
Lesiones 7.5 7.6 8.1 7.3 6.9 4.9
NA NA NA NA 0.0 0.0 NA
Chaco Condiciones transmisibles, maternas, perinatales y nutricionales 16.1 17.2 15.4 15.9 17.3 28.4
Enfermedades mal definidas 10.5 13.2 13.5 12.7 13.0 13.3
Enfermedades no transmisibles 65.7 61.3 62.5 63.1 61.8 52.2
Lesiones 7.7 8.3 8.6 8.3 8.0 6.1
NA NA NA NA NA NA 0.0
Chubut Condiciones transmisibles, maternas, perinatales y nutricionales 14.3 13.4 15.2 19.0 14.7 27.8
Enfermedades mal definidas 5.5 5.9 1.8 2.4 7.1 11.2
Enfermedades no transmisibles 69.8 69.7 73.2 70.8 70.4 55.7
Lesiones 10.4 11.0 9.8 7.8 7.9 5.3
NA NA NA NA NA NA 0.0
Entre Ríos Condiciones transmisibles, maternas, perinatales y nutricionales 9.5 10.5 11.9 11.5 11.3 20.7
Enfermedades mal definidas 14.0 15.9 18.1 17.7 18.0 19.9
Enfermedades no transmisibles 70.2 67.3 64.0 65.3 65.6 55.7
Lesiones 6.3 6.4 6.0 5.4 5.2 3.7
NA NA NA NA 0.0 0.0 0.0
Formosa Condiciones transmisibles, maternas, perinatales y nutricionales 16.9 19.0 19.6 18.0 18.3 29.1
Enfermedades mal definidas 6.4 5.0 4.3 4.7 5.1 4.9
Enfermedades no transmisibles 67.6 67.0 65.7 68.1 67.7 59.1
Lesiones 9.1 9.0 10.4 9.2 8.8 6.8
NA NA NA NA NA 0.0 0.0
Jujuy Condiciones transmisibles, maternas, perinatales y nutricionales 16.8 17.8 18.6 20.9 20.7 34.4
Enfermedades mal definidas 11.1 10.9 12.4 13.9 13.1 14.3
Enfermedades no transmisibles 60.9 60.6 57.7 55.0 56.9 44.9
Lesiones 11.2 10.7 11.3 10.2 9.3 6.3
NA NA NA NA NA 0.0 0.0
La Pampa Condiciones transmisibles, maternas, perinatales y nutricionales 10.8 14.5 13.6 14.0 15.4 24.2
Enfermedades mal definidas 4.0 4.3 2.1 3.8 7.2 5.6
Enfermedades no transmisibles 78.3 74.6 78.3 76.7 72.2 66.2
Lesiones 7.0 6.6 6.0 5.6 5.2 4.1
La Rioja Condiciones transmisibles, maternas, perinatales y nutricionales 18.1 18.9 19.9 18.7 15.8 32.4
Enfermedades mal definidas 10.9 10.6 11.1 11.7 8.6 15.9
Enfermedades no transmisibles 63.3 62.6 60.6 62.9 69.2 46.9
Lesiones 7.7 7.9 8.4 6.8 6.3 4.7
NA NA NA NA NA NA 0.0
Mendoza Condiciones transmisibles, maternas, perinatales y nutricionales 10.2 8.4 7.8 10.8 10.3 23.3
Enfermedades mal definidas 7.3 2.7 2.4 2.6 3.4 4.3
Enfermedades no transmisibles 74.5 81.0 82.4 79.9 79.9 67.9
Lesiones 8.0 8.0 7.4 6.7 6.4 4.6
NA NA NA NA 0.0 0.0 0.0
Misiones Condiciones transmisibles, maternas, perinatales y nutricionales 13.8 12.8 14.8 12.3 14.7 24.5
Enfermedades mal definidas 13.0 11.2 2.0 0.3 0.5 0.3
Enfermedades no transmisibles 63.3 66.7 73.3 78.9 76.3 69.2
Lesiones 9.9 9.3 9.9 8.6 8.5 6.0
NA NA NA NA NA 0.0 0.0
Neuquén Condiciones transmisibles, maternas, perinatales y nutricionales 10.4 10.9 11.4 11.0 9.4 27.6
Enfermedades mal definidas 2.0 2.1 1.9 1.9 2.4 2.6
Enfermedades no transmisibles 75.4 75.5 76.2 76.7 78.6 62.3
Lesiones 12.2 11.5 10.5 10.3 9.6 7.5
NA NA 0.0 NA NA NA 0.0
Río Negro Condiciones transmisibles, maternas, perinatales y nutricionales 8.9 9.6 9.8 9.7 11.8 27.4
Enfermedades mal definidas 10.6 10.8 12.4 11.4 11.3 8.3
Enfermedades no transmisibles 71.6 71.2 70.0 72.0 70.3 59.6
Lesiones 9.0 8.4 7.8 7.0 6.5 4.6
NA NA NA NA NA 0.0 NA
Salta Condiciones transmisibles, maternas, perinatales y nutricionales 19.5 19.6 18.3 18.9 19.1 28.2
Enfermedades mal definidas 7.4 4.7 3.4 1.4 4.0 4.7
Enfermedades no transmisibles 62.7 67.2 69.3 71.6 69.4 60.9
Lesiones 10.4 8.5 9.0 8.1 7.5 6.2
NA NA NA 0.0 0.0 0.0 0.0
San Juan Condiciones transmisibles, maternas, perinatales y nutricionales 18.0 17.0 17.1 19.7 16.8 25.7
Enfermedades mal definidas 1.5 1.2 1.3 2.1 3.2 4.0
Enfermedades no transmisibles 71.6 72.8 72.0 70.5 73.4 65.5
Lesiones 8.9 8.9 9.6 7.6 6.5 4.7
San Luis Condiciones transmisibles, maternas, perinatales y nutricionales 15.2 14.5 16.8 15.9 14.1 22.2
Enfermedades mal definidas 0.3 0.2 0.1 1.1 2.8 4.3
Enfermedades no transmisibles 76.8 77.6 75.8 75.9 76.3 68.4
Lesiones 7.6 7.7 7.3 7.1 6.8 5.1
NA NA NA NA NA 0.0 NA
Santa Cruz Condiciones transmisibles, maternas, perinatales y nutricionales 13.5 16.3 15.0 15.4 14.0 28.4
Enfermedades mal definidas 3.3 6.2 7.7 6.7 3.5 0.7
Enfermedades no transmisibles 70.9 65.6 65.6 68.0 74.2 64.7
Lesiones 12.3 11.9 11.7 9.8 8.2 6.1
NA NA NA NA NA 0.0 NA
Santa Fe Condiciones transmisibles, maternas, perinatales y nutricionales 8.7 10.2 11.1 12.9 13.9 24.7
Enfermedades mal definidas 10.8 12.3 12.9 10.0 12.3 12.8
Enfermedades no transmisibles 73.2 70.4 68.6 69.8 67.5 57.5
Lesiones 7.3 7.1 7.5 7.3 6.4 5.1
NA NA NA NA NA 0.0 0.0
Santiago del Estero Condiciones transmisibles, maternas, perinatales y nutricionales 15.9 17.9 16.0 14.6 15.0 25.9
Enfermedades mal definidas 16.6 16.7 17.0 18.9 19.9 18.1
Enfermedades no transmisibles 60.7 58.4 58.8 58.6 58.2 51.4
Lesiones 6.8 7.1 8.2 7.9 6.9 4.7
NA NA NA NA 0.0 0.0 NA
Tucumán Condiciones transmisibles, maternas, perinatales y nutricionales 14.3 14.7 17.2 19.8 21.1 33.8
Enfermedades mal definidas 13.5 12.2 5.1 3.5 3.0 3.2
Enfermedades no transmisibles 65.6 66.3 70.4 69.7 68.3 58.3
Lesiones 6.5 6.8 7.3 7.0 7.6 4.7
NA NA NA 0.0 0.0 0.0 0.0
Tierra del Fuego Condiciones transmisibles, maternas, perinatales y nutricionales 12.8 10.4 13.3 13.6 12.1 33.3
Enfermedades mal definidas 3.7 2.8 3.0 2.4 2.4 3.9
Enfermedades no transmisibles 69.9 73.1 72.1 74.6 76.5 56.2
Lesiones 13.6 13.7 11.5 9.4 9.0 6.7
NA Condiciones transmisibles, maternas, perinatales y nutricionales 17.3 15.3 16.4 15.3 15.1 27.2
Enfermedades mal definidas 7.4 7.1 7.0 5.7 7.0 6.7
Enfermedades no transmisibles 55.7 57.9 59.2 56.7 55.6 50.9
Lesiones 19.5 19.8 17.5 22.3 22.3 15.2

En un grafico por provincia

values <- unique(df_defunciones_oms$grupo_oms)[1:4]
colores <- c(
"#FFC5D0",
"#D4D8A7",
"#99E2D8",
"#D5D0FC"
)
df_defunciones_oms |> 
  group_by(Años,geocodigo_provincia, Provincia) |> 
  count(grupo_oms, wt=casos) |> 
  ungroup() |> 
  arrange(as.integer(geocodigo_provincia),grupo_oms ) |>  
  select(Años, Provincia, grupo_oms, n)  |> 
  group_by(Años, Provincia) |> 
  mutate(pct= n/sum(n, na.rm=TRUE)) |> 
  ungroup() |> 
  filter(!is.na(grupo_oms)) |> 
  ggplot(aes(Años, n, fill=grupo_oms, label=pct))+
  geom_col(position="fill")+
  geom_text(aes(label = scales::percent(pct, accuracy = 5L )), position = position_fill(.5), vjust =.5, alpha = .8, size=2.5, colour="black")+
  scale_y_continuous(labels = scales::percent)+
  scale_fill_manual(breaks = values, values = colores)+
  facet_wrap(~Provincia, scale="free_y")+
  theme(legend.position = "bottom",
        legend.key.size = unit(.7, "cm"),
        legend.text = element_text(size=8),
        strip.text = element_text(size=8),
        strip.background = element_blank(),
        axis.text.y = element_text(size=8),
        axis.text.x = element_text(angle = 90, size=8, hjust = 1, vjust = 1))+
  labs(
    title="Distribucion relativa de defunciones segun causas",
    subtitle = "por Provincias, en trienios 2005-2022"
  )

  guides(fill = guide_legend(ncol = 2))
## <Guides[1] ggproto object>
## 
## fill : <GuideLegend>
# ggsave("salida_graf/defunciones_causas_provincias.png", height = unit(25, "cm"), width = unit(20, "cm"))

Tambien podria verse la distribucion por causa segun sexo y edad

glimpse(df_defunciones_oms)
## Rows: 2,723,936
## Columns: 13
## $ Años                <chr> "2001-2004", "2001-2004", "2001-2004", "2001-2004"…
## $ Provincia           <chr> "Buenos Aires", "Buenos Aires", "Buenos Aires", "B…
## $ Departamento        <chr> "25 de Mayo", "25 de Mayo", "25 de Mayo", "25 de M…
## $ Lugar.de.ocurrencia <chr> "Desconocido", "Desconocido", "Desconocido", "Desc…
## $ Cobertura.médica    <chr> "Desconocido", "Desconocido", "Desconocido", "Desc…
## $ geocodigo           <chr> "6854", "6854", "6854", "6854", "6854", "6854", "6…
## $ geocodigo_provincia <chr> "6", "6", "6", "6", "6", "6", "6", "6", "6", "6", …
## $ gedad               <fct> Menor de 24, Menor de 24, Menor de 24, Menor de 24…
## $ sexo                <chr> "Mujer", "Mujer", "Mujer", "Mujer", "Mujer", "Muje…
## $ CIE10               <chr> "A419", "C56", "C959", "G98", "J690", "K566", "P22…
## $ casos               <int> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 1, 1, 1,…
## $ grupo_oms           <chr> "Condiciones transmisibles, maternas, perinatales …
## $ grupo_oms2          <chr> "Enfermedades infecciosas y parasitarias", "Neopla…
var_agg_causas <- c("Años", "grupo_oms", "gedad", "sexo")
grafico_dist_causas +
  scale_fill_manual(breaks = values, values = colores)

Se crea una tabla de datos.

glimpse(defunciones_causa_depto)
## Rows: 45,663
## Columns: 6
## $ Años      <chr> "2001-2004", "2001-2004", "2001-2004", "2001-2004", "2001-20…
## $ Provincia <chr> "Buenos Aires", "Buenos Aires", "Buenos Aires", "Buenos Aire…
## $ geocodigo <chr> "6007", "6007", "6007", "6007", "6007", "6007", "6007", "600…
## $ gedad     <fct> Menor de 24, Menor de 24, Menor de 24, Menor de 24, 25 a 69,…
## $ grupo_oms <chr> "Condiciones transmisibles, maternas, perinatales y nutricio…
## $ casos     <int> 8, 2, 12, 7, 9, 14, 179, 22, 35, 50, 392, 8, 2, 1, 8, 3, 7, …

3 El Sistema de clasificacion

Comparar lista DEIS con WHO en primer y segundo nivel. destacar que DEIS no se puede considerar USELESS code por codigo en 3 pos.

Mostrar evolucion de grupos de causas. sobre la re-emergencia. (infecciones pulmonares y enfermedades tropicales).

##